基于IPSO-RELM转炉冶炼终点锰含量预测模型

来源期刊：工程科学学报2019年第8期

论文作者：张壮 曹玲玲 林文辉 孙建坤 冯小明 刘青

文章页码：1052 - 1060

关键词：转炉;终点锰含量;改进粒子群算法;极限学习机;正则化极限学习机;预测模型;

摘    要：分析了影响转炉冶炼终点钢水中锰含量的因素,针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢,预测精度低等问题,提出了一种基于极限学习机（ELM）算法建模的新思路,并引入正则化以及改进粒子群优化算法（IPSO）,建立了基于改进粒子群算法优化的正则化极限学习机（IPSO-RELM）的转炉终点锰含量预测模型;应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证,并与基于BP、ELM和RELM算法的三类模型进行比较.结果表明,采用IPSO-RELM方法构建的模型,锰含量预测误差在±0. 025%范围内的命中率达到94%,均方误差为2. 18×10^-8,拟合优度R2为0. 72,上述三项指标均显著优于其他三类模型,此外,该模型还具有良好的泛化能力,对于转炉实际冶炼过程具有一定的指导意义.